Para resolver os problemas de descrições de frases imprecisas e a pouca coloração emocional durante o processo de descrição semântica de imagens, propõe-se um método de descrição semântica de imagens baseado na rede adversária generativa SENet. Este método adiciona um mecanismo de atenção aos canais na fase de extração de características do modelo gerador, permitindo que a rede extraia de forma mais completa e integral as características das regiões proeminentes da imagem, inserindo as características extraídas no codificador. Um corpus emocional foi adicionado ao corpus textual original e, por meio do processamento de linguagem natural, foram gerados vetores de palavras, que foram combinados com as características de imagem codificadas e inseridas no decodificador. Por meio de treinamento adversarial contínuo, gera-se uma sentença descritiva emocional que corresponde ao conteúdo da imagem. Finalmente, por meio de experimentos de simulação e comparação com métodos existentes, o índice BLEU deste método aumentou cerca de 15% em relação ao método SentiCap, e outros indicadores relacionados também melhoraram. Nos experimentos de auto-comparação, este método aumentou o índice CIDEr em cerca de 3%. Esta rede pode extrair bem as características da imagem, tornando as sentenças descritivas mais precisas e emocionalmente ricas.

descrição semântica de imagens;modelo gerador;extração de características;treinamento adversarial;atenção aos canais